深度学习训练-详解图像数据标准化与归一化

tf.image.per_image_standardization(image)
- image 参数表示一个三维的张量(tensor) 分别对应图像高、宽、通道数目(height, width, channels)

import tensorflow as tf
import cv2 as cv

image = cv.imread("D:/javaopencv/dahlia_4.jpg")
cv.imshow("input", image)
std_image = tf.image.per_image_standardization(image)
with tf.Session() as sess:
    result = sess.run(std_image)
    print(result)
    cv.imshow("result", result)
cv.waitKey(0)
cv.destroyAllWindows()

OpenCV中实现图像最大与最小值归一化的函数如下：
normalize(
src, // 表示输入图像， numpy类型
dst, // 表示归一化之后图像， numpy类型
alpha=None, // 归一化中低值 min
beta=None, // 归一化中的高值max
norm_type=None, // 归一化方法，选择最大最小值归一化 NORM_MINMAX， 
dtype=None, // 归一化之后numpy数据类型，一般选择cv.CV_32F
mask=None //遮罩层，默认设置为None
)

image = cv.imread("D:/javaopencv/dahlia_4.jpg")
cv.imshow("input", image)
result = np.zeros(image.shape, dtype=np.float32)
cv.normalize(image, result, alpha=0, beta=1, norm_type=cv.NORM_MINMAX, dtype=cv.CV_32F)
print(result)
cv.imshow("norm", np.uint8(result*255.0))
cv.waitKey(0)
cv.destroyAllWindows()